1 of 40

[1]

Karython Gomes

Especialista em Ciência de Dados

@karython.gomes

youtube.com/@pobre.vencedor

Inteligência Artificial II

2 of 40

[2]

  •  Desenvolvedor de Aplicações Web
  • Tecnólogo em Análise e Desenvolvimento de Sistemas
  • Especialização em BigData (Ciência de Dados)
  • Pós em Docência para o Ensino Superior - UniRitter
  • Fundador do grupo de desenvolvimento GomesTechnology
  • Instrutor Senai – Desenvolvimento de Sistemas
  • Iniciação Científica de sistemas multiagentes - Unieuro

​

Sobre mim

3 of 40

[3]

    • Proporcionar aos estudantes uma compreensão abrangente da Inteligência Artificial, capacitando-os a compreender, aplicar e desenvolver soluções inteligentes em diferentes contextos. O curso visa formar profissionais capazes de utilizar os principais conceitos e técnicas da IA de maneira ética e eficiente.

Objetivo Geral

4 of 40

[4]

Conteúdo Programático

  • Introdução à Inteligência Artificial
  • Fundamentos da Programação em Python para IA
  • Aprendizado de Máquina (AM)
  • Redes Neurais Artificiais (RNA)
  • Processamento de Linguagem Natural (PLN)

5 of 40

[5]

Conteúdo Programático

  • Visão Computacional
  • Algoritmos Evolutivos e Inteligência Coletiva
  • Ética em Inteligência Artificial
  • Projetos Práticos em IA
  • Revisão e Apresentação de Projetos

6 of 40

[6]

Fundamentos de IA

Visão Geral da IA

7 of 40

[7]

Agenda

  • Definição e História da IA.
  • Classificação de Sistemas Inteligentes.
  • Aplicações práticas e impacto social.

8 of 40

[8]

Conceitos Fundamentais de IA

9 of 40

[9]

  • Prever resultados e reconhecer padrões com base em dados históricos.

​

O que é Inteligência Artificial?

Fonte: Pixabay

10 of 40

[10]

O que é Inteligência Artificial?

  • Extrair informações de fontes para obter conhecimento.

​

Fonte: Freepik

11 of 40

[11]

O que é Inteligência Artificial?

​

  • Compreender a linguagem e participar de conversas.

​

Fonte: Freepik

12 of 40

[12]

  • Reconhecer eventos anormais e tomar decisões.

​

O que é Inteligência Artificial?

Fonte: Freepik

13 of 40

[13]

O que é Inteligência Artificial?

  • Interpretando informações visuais.

​

Fonte: Freepik

14 of 40

[14]

Tipos de Inteligência Artificial?

  • Inteligência Artificial Estreita – ANI

Derivada do termo em inglês Narrow AI, a Inteligência Artificial Estreita (ANI) representa o único tipo de inteligência artificial que existe atualmente. O termo “Estreita” da nomenclatura refere-se à limitação da IA de executar uma determinada tarefa ou um conjunto específico de ações dentro de um escopo bem definido.

​

15 of 40

[15]

Tipos de Inteligência Artificial?

  • Exemplos:

Assistentes virtuais: Siri, Alexa, Google Assistente, etc...

Sistemas de navegação: aplicações com tarefas bem definidas.

Aplicações de IA generativa: aplicações como ChatGPT e Midjorney.

Chatbots de atendimento: aplicações e serviços automatizados.

16 of 40

[16]

Tipos de Inteligência Artificial?

  • Pontos fracos:
  • A ANI foca apenas no objetivo para o qual foi programada.
  • Inteligência Artificial Estreita não tem compreensão profunda das informações que processa e carece de consciência própria.

17 of 40

[17]

Tipos de Inteligência Artificial?

  • Inteligência Artificial Geral – AGI

​

      • Conceito teórico de IA, ainda sem exemplos no mundo real.
    • Tenha inteligência e capacidades similares a de seres humanos.

18 of 40

[18]

Tipos de Inteligência Artificial?

  • Superinteligência Artificial - ASI
  • Suposição futura do tipo mais avançado de IA.
  • Superinteligência Artificial só existe no campo teórico e, por enquanto, é apenas um objeto de estudo.
  • Espera-se que uma máquina com ASI seja totalmente autoconsciente

19 of 40

[19]

Cargas de trabalho comuns

de IA

Machine Learning

Modelos preditivos baseados em dados e estatísticas.

20 of 40

[20]

Cargas de trabalho comuns

de IA

Visão Computacional

Capacidades da IA para interpretar o mundo visualmente por meio de câmeras, vídeos e imagens.

21 of 40

[21]

Cargas de trabalho comuns

de IA

Processamento de linguagem natural

Capacidades da IA para que um computador interprete a linguagem escrita ou falada e responda adequadamente.

22 of 40

[22]

Cargas de trabalho comuns

de IA

IA Generativa

Recursos de IA que criam conteúdo original em vários formatos, incluindo linguagem natural, imagem, código e muito mais.

23 of 40

[23]

Cargas de trabalho comuns

de IA

Fonte: ChatGPT

24 of 40

[24]

Princípios de IA responsável

Fonte: Microsoft

25 of 40

[25]

Princípios de IA responsável

​

Desafio ou Risco

Exemplo

Imparcialidade

O preconceito pode afetar os resultados.

Um modelo de aprovação de empréstimos que discrimina por gênero devido ao preconceito nos dados com os quais foi treinado.

26 of 40

[26]

Princípios de IA responsável

​

Desafio ou Risco

Exemplo

Confiabilidade e segurança

Erros podem causar danos.

Um veículo autônomo sofre uma falha no sistema e causa uma colisão.

27 of 40

[27]

Princípios de IA responsável

​

Desafio ou Risco

Exemplo

Privacidade e segurança

Dados privados podem ser expostos.

Um bot de diagnóstico médico é treinado usando dados confidenciais de pacientes, que são armazenados de forma insegura.

28 of 40

[28]

Princípios de IA responsável

​

Desafio ou Risco

Exemplo

Inclusão

As soluções podem não funcionar para todos.

Um aplicativo preditivo não fornece saída de áudio para usuários com deficiência visual.

29 of 40

[29]

Princípios de IA responsável

​

Desafio ou Risco

Exemplo

Transparência

Os usuários devem confiar em um sistema complexo.

Uma ferramenta financeira baseada em IA faz recomendações de investimento – em que se baseiam?

30 of 40

[30]

Princípios da IA Responsável

​

Desafio ou Risco

Exemplo

Responsabilidade

Quem é responsável pelas decisões baseadas na IA?

Uma pessoa inocente é condenada por um crime com base em provas de reconhecimento facial – quem é o responsável?

31 of 40

[31]

Fundamentos do aprendizado de máquina

32 of 40

[32]

O que é aprendizado de máquina?

Fonte: Microsoft

33 of 40

[33]

Tipos de aprendizado de máquina

Fonte: Microsoft

34 of 40

[34]

Treinamento e avaliação de modelo

Fonte: Microsoft

35 of 40

[35]

Rede neural humana

Aprendizado profundo

Fonte: Microsoft

36 of 40

[36]

Aprendizado profundo

  • Neurônios disparam em resposta a estímulos eletroquímicos.
  • Quando disparado, o sinal é passado para neurônios conectados.

37 of 40

[37]

Rede neural artificial

Aprendizado profundo

x

w

f (x,w)

∫( )

Fonte: Microsoft

38 of 40

[38]

Aprendizado profundo

  • Cada neurônio é uma função que opera com um valor de entrada (x) e um peso (w)
  • A função é envolvida em uma função de ativação que determina se a saída deve ser transmitida

39 of 40

[39]

Exemplo de rede neural – classificação multiclasse

Aprendizado profundo

Fonte: Microsoft

40 of 40

[40]

“Falar é fácil.

 Mostre-me o código!”

�Linus Torvalds 

Hands On!